图像去噪是图像处理中的重要环节,对于后续的图像分析有着至关重要的作用。变分图像分解算法具有广阔的发展前景,属于变分法和偏微分方程图像处理研究的范畴。变分图像算法的基本思想为:将一幅图像分解成多个部分,每个部分代表不同的信息,并且分别由适合的函数空间描述,通过在各个空间中范数的结合构造出能量泛函,最小化这些能量泛函得出最终的分解结果。在本文中,我们对原有的图像分解算法进行改进,并将其应用于高斯噪声和散斑噪声的滤除,通过量化评估和视觉比较验证了所提出新模型的有效性。本文的主要工作包括:1.基于三维块匹配(BM3D)算法,我们提出了TV-G-BM3D图像分解新模型,并将其应用于高斯噪声的处理。将性能优良的三维块匹配算法用于描述噪声部分,能够有效提高图像分解算法的去噪性能。我们将所提出的模型应用在四幅被不同等级的高斯噪声污染的标准图片上进行测试,并与已有的模型进行比较,数值量化和视觉效果两方面的实验结果均表明所提出的新模型具有优良的去噪性能。2.基于非局域数据保真项,我们改进了原有的图像分解算法,并将改进模型应用于高斯噪声的处理。从参考图像中的相邻点拓展到参考图像中的每一点,非局域框架可以提高图像分解算法的性能。我们将提出的非局域数据保真项应用于2TV-Hilbert-L和TV-G-Shearlet两种模型中,并将改进模型应用在两幅被不同等级高斯噪声污染的标准图片上进行测试,数值量化和视觉效果两方面的实验结果均表明改进后的模型相对于原模型在去噪性能上有显著的提升。3.基于广义全变分,我们提出了2TGV-Hilbert-L图像分解新模型,并其应用于散斑噪声的处理。函数的高阶导数相较于低阶导数会给图像带来更加光滑的结果,并且可以有效地避免低阶导数带来的阶梯效应。我们将所提出的模型应用在模拟的大变化密度电子散斑干涉条纹图和剪切电子散斑干涉缺陷检测图上进行测试,并与已有的条纹图处理方法进行了比较,数值量化和视觉效果两方面的实验结果均表明提出的新模型的优良去噪性能。本论文的研究成果丰富发展了变分图像分解理论。